第12回 通販の「おすすめ」でつい買ってしまうのはなぜ?答えは「似た人の選択・選ぶ手間の肩代わり・人気が人気を呼ぶ」|実験では売上約11%増【心理学】
仕掛けの心理学

第12回 通販の「おすすめ」でつい買ってしまうのはなぜ?答えは「似た人の選択・選ぶ手間の肩代わり・人気が人気を呼ぶ」|実験では売上約11%増【心理学】

Oct 30, 2026
10:56
E12
-(0)

About this episode

▼ Audible と Kindle+ の無料体験(Amazon・PR) ・Audible 無料体験: https://www.amazon.co.jp/hz/audible/mlp/membership?tag=rwdealing0703-22 ・Kindle+(旧 Kindle Unlimited)無料体験: https://www.amazon.co.jp/kindle-dbs/hz/signup?tag=rwdealing0703-22 ※Amazonのアソシエイトとして、仕掛けの心理学は適格販売により収入を得ています。 【結論】通販の「おすすめ」でつい買ってしまうのは、①自分と同じ物を買った人の選択を見せられる、②たくさんの候補から選ぶ手間をおすすめが肩代わりしてくれる、③売れた物がおすすめに出てさらに売れる「人気が人気を呼ぶ流れ」、という3つの仕掛けがあるからです。服の通販サイトの比較では、おすすめを出すと全体の売上が約11%増え、人気の商品ほど伸びました。 ■ この回でわかること ・通販の「おすすめ」でつい買ってしまう3つの理由 ・ダウンロード数が見えると人気が偏り、ヒットが世界ごとに変わった1万4千人の音楽実験(2006年) ・動画配信で見られた時間の約8割におすすめが関わっていたという報告(2015年) ・「選択肢が多すぎると選べない」ジャムの実験(2000年)と、その後のまとめの分析(2010年) ・「アマゾンの売上の35%はおすすめから」の出どころと、実験で測った約11%(2019年) ・EUのデジタルサービス法、日本の透明化法(2021年2月)とステマ規制(2023年10月) ・カートを守る5つの方法 ■ 3つの仕掛け(要点) 1. 似た人の選択を見せる:「この商品を買った人は、こんな商品も」は、一緒に買われやすい商品を結びつける仕組み(リンデンら 2003年)。人は迷うとほかの人の選択を手がかりにする(社会的証明)。人気が見えると選択が偏ることが実験でも示された(サルガニクら 2006年) 2. 選ぶ手間を肩代わりする:動画配信のネットフリックスでは、見られた時間の約8割の選択におすすめが関わり、残りの2割が検索だった(ゴメス=ウリベとハント 2015年)。迷う時間を短くしてくれる便利な道具でもある 3. 人気が、さらに人気を呼ぶ:服の通販サイトでおすすめを出すと全体の売上は約11%増えたが、人気の商品ほど伸び、人気のない商品はかえって売れにくくなった(クマールとホサナガー 2019年) ■ よくある質問 Q. 「アマゾンの売上の35%はおすすめから」は本当? A. コンサルティング会社マッキンゼーが2013年の記事で紹介した数字で、アマゾン自身の発表ではなく、元の計算は確認できませんでした。おすすめを出す場合と出さない場合を比べた研究(2019年)では、売上の増え方は約11%でした。 Q. おすすめの仕組みにルールはある? A. EUのデジタルサービス法は、おすすめの順番を決める主な要素を利用規約で説明することを求め、特に大きなサービスには、行動の記録を使わないおすすめを選べるようにすることを義務づけています。日本では2021年2月から、大きなオンラインモールなどに検索順位を決める主な要素の開示が求められ、2023年10月からはステルスマーケティングが景品表示法の不当表示になりました。 Q. おすすめに乗せられて買いすぎないためには? A. 開く前に買う物を決めておく、「なぜこれがおすすめか」を一度だけ考える、並べ替えを自分で選ぶ、カートに入れたら一晩おく、おすすめを使わない日も作る、の5つです。 ■ 用語 ・レコメンド(推薦):閲覧や購入の記録などから、利用者が好みそうな商品や作品を選んで並べる仕組み ・協調フィルタリング:似た行動をした人の選択をもとに、おすすめを選ぶ方法 ・社会的証明:迷ったとき、ほかの人の選択を正しさの手がかりにする傾向 ■ チャプター 0:00 この商品を買った人は… 0:50 人気は、どこまで本物か 2:39 おすすめが買い物を動かす3つの仕掛け 5:56 「35%」の正体と、ルール 8:06 ほかの画面でも同じ仕組み/カートを守る5つの方法 9:34 まとめ ■ 主な出典 ・Salganik, Dodds & Watts (2006) Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market, Science 311 ・Linden, Smith & York (2003) Amazon.com Recommendations: Item-to-Item Collaborative Filtering, IEEE Internet Computing 7(1) / Gomez-Uribe & Hunt (2015) The Netflix Recommender System, ACM TMIS 6(4) ・Iyengar & Lepper (2000) Journal of Personality and Social Psychology 79(6) / Scheibehenne, Greifeneder & Todd (2010) Journal of Consumer Research 37(3) ・Kumar & Hosanagar (2019) Measuring the Value of Recommendation Links on Product Demand, Information Systems Research ・EU デジタルサービス法 (Regulation (EU) 2022/2065) 第27条・第38条 / 特定デジタルプラットフォームの透明性及び公正性の向上に関する法律(2021年2月1日施行)/ 消費者庁 ステルスマーケティング告示(2023年10月1日) ■ このチャンネルについて 「仕掛けの心理学」は、買い物・アプリ・サブスク・SNSに隠れた設計の仕掛けを、心理学の研究と公的機関の調査をもとに毎日1本解説するチャンネルです。数字と法制度は、公開時点で出典を確認しています。 この回の作り手は、ふだん古着を通販でも売る仕事をしています。「こちらもおすすめ」の欄を手で選ぶ売る側の目線もお話ししています。 ※映像内の画面は再現イメージで、実在サービスの画面ではありません。個別の企業・サービスの違法性を主張するものではありません。 ※法制度の説明は2026年10月時点の情報です。 ※この回のイラスト・ナレーション音声・BGMはAIと自作ツールで制作しています。 ▶ 動画版(YouTube): https://youtu.be/75XpNuEtax0

Comments

Rate this episode

Episode Details

Author
仕掛けの心理学
Show Type
full
Audio Format
audio/mpeg

We use analytics

We use Umami, a privacy-friendly analytics tool, to understand how visitors use this site. No personal data is collected and no data leaves our EU servers. You can accept or decline below. Privacy Policy